浅谈数据质量（Data Quality）

西博上海

我们早已经进入到了数字化时代，企业的数字化进程也在如火如荼，我们的日常工作对数据也越来越依赖。但是您了解自己公司的数据质量水平吗？

可信赖的高质量数据是实现数据驱动业务的关键，许多数据与分析（D&A）和人工智能（AI）项目因数据质量差而失败。

数据质量是指用于企业优先用例（use case，包括BI，AI和ML）的数据的可用性和适用性，通常是有效数据管理和数据治理的目标之一。

数据质量对公司有多重要？根据2020年Gartner的研究，数据质量差每年平均给企业带来的损失至少为1290万美元。

一些常见的挑战阻碍了企业，使其难以解决数据质量问题，例如：来自政府或行业日益增长的监管要求。这些要求包括GDPR和CCPA，限制组织如何管理个人数据，并使其对所持有的任何个人数据负责。

数据源之间的不一致性。
根据Gartner的说法，数据质量问题中最具挑战性的就是由于数据存储和维护在孤岛中，导致显著的重叠、缺口或不一致。如果数据没有连接，数据标准化将变得更加困难。

资源不足。
组织可能在一个部门或一个数据领域有数据质量计划，但由于技能、经验和资源的匮乏，无法进行扩展。

那么该如何提高数据质量呢？
我们下一篇文章再讨论，也可以访问Gartner网站了解（不让发链接。。。）。